shell爬虫工具

一.工具

1.wget

2.curl

3.sed

4.awk

5.lynx

6.grep

二.方法

1.lynx -dump URL #获取文本页面

2.grep关键字

3.sed/awk + 正则表达式  取得连接

4.curl取得页面所有信息(分析连接有效性,设置cookie信息)

5.wget下载资源

三.例子,获取gmail未读邮件

#!/bin/bash

username="@gmail.com"
password=""

curl -u $username:$password --silent "https://mail.google.com/mail/feed/atom" | \
tr -d '\n' | sed 's:</entry>:\n:g'  | \
sed 's/.*<title>\(.*\)<\/title>.*<author><name>\([^<])*\)<\/name><email>\([^<]*\)/Author: \2 [\3] \n Subject:\1\n/g'


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值